日本《經濟安全保障推進法》專家小組第1次會議提出「確保特定重要物資穩定供給之基本指導方針」
2022年7月25日，日本政府召開今年5月公布的《經濟安全保障推進法》專家小組第1次會議，會議提出「確保特定重要物資穩定供給之基本指導方針」（特定重要物資の安定的な供給の確保に関する基本指針），指出在日益複雜的國際情勢及社會經濟結構變化中，自由經濟原則所承擔的風險逐漸增加，在經濟安全問題上，政府應有更多參與和監管，不可過度依賴市場競爭，並明確規定政府應適當指定符合下列4要件之物資為「特定重要物資」：
一、人民生存和經濟活動所必需
指被多數人廣泛使用、融入於各行各業中，在經濟合理的角度觀察，沒有替代品的物資。
二、避免過度依賴外部資源
指資源掌握於特定少數國家或地區，如供應中斷將造成日本境內重大影響者。或基於社會經濟結構變化和技術創新趨勢，是否有如不採取因應措施，可能有過度依存風險之外部資源。
三、因外部行為造成中斷供給的可能性
因外部行為（如供應國暫停出口）導致供應中斷，對人民生活與經濟活動發生重大影響者，包含發生之可能性。
四、除前述3要件外，認有特別必要性時
例如，近年有供應中斷紀錄，或出現供應中斷風險提升的傾向，須立即採取措施時等情形。
此外，日本政府規劃將減少「特定重要物資」對國外的進口依賴，並授權政府可對企業的原物料供應商及庫存進行調查，拒絕者將課以罰責，以確保「特定重要物資」的穩定供應。
本文為「經濟部產業技術司科技專案成果」
賴國任
副法律研究員 編譯整理
日本経済新聞，〈経済安保法、8月から一部施行 重要物資の供給網調査〉，2022年7月26日，網址：https://www.nikkei.com/article/DGXZQOUA264740W2A720C2000000/，最後瀏覽日2022年8月1日。
読売新聞，〈特定重要物資、「生存に不可欠」「海外依存」など４要件で指定…経済安保指針案〉，2022年7月26日，網址：https://www.yomiuri.co.jp/politics/20220725-OYT1T50344/，最後瀏覽日2022年8月1日。
内閣官房，〈経済安全保障法制に関する有識者会議（令和４年度～）〉，網址：https://www.cas.go.jp/jp/seisaku/keizai_anzen_hosyohousei/r4_dai1/siryou4.pdf，最後瀏覽日2022年8月1日。
日本經濟產業省（簡稱經產省）於2025年3月5日發布《資安產業振興戰略》（サイバーセキュリティ産業振興戦略），目前日本大多使用海外製造的資安產品，且相當重視使用產品的實際體驗，進而導致日本國產資安產品難以銷售獲利，陷入缺乏資金開發投資的惡性循環，為求打破現狀促進日本資安產業發展，具體因應政策如下： 1. 創造有利資安新創企業進入市場的環境：彙整具有前景的資安新創企業名單，提供予政府參考，讓政府率先試行導入資安新創企業提供的產品與服務，展示實際使用資安產品與服務的成果，藉此提升資安新創企業知名度，降低其進入市場的難度。 2. 發掘具有潛力的技術及具市場競爭力之產品或服務：實施競賽形式的獎金制度，發掘可提升資安、解決問題，對社會具有貢獻的技術，並推動約300億日圓的研發計畫，促進技術實際落地運用，改善不利開發投資的環境。建立系統整合商、日本國產產品與服務供應商之間的媒合機制，讓供應商可在產品銷售過程中發揮影響力。 3. 充實高階專業人才拓展國際市場：擴大高階專業人才培育計畫，提升並宣傳資安人才的職業魅力，支援產業向海外發展，與合作國家共同促進企業與人才交流，以因應資安產業整體基礎不足，難以培育人才，拓展國際市場等問題。
FDA發佈人工智慧/機器學習行動計畫美國食品藥物管理署（U.S. Food & Drug Administration, FDA）在2021年1月12日發布有關人工智慧醫療器材上市管理的「人工智慧/機器學習行動計畫」（Artificial Intelligence/Machine Learning (AI/ML)-Based Software as a Medical Device (SaMD) Action Plan）。該行動計畫的制定背景係FDA認為上市後持續不斷更新演算法的機器學習醫療器材軟體（Software as Medical Device, SaMD），具有極高的診療潛力，將可有效改善醫療品質與病患福祉，因此自2019年以來，FDA嘗試提出新的上市後的監管框架構想，以突破現有醫療器材軟體需要「上市前鎖定演算法、上市後不得任意變更」的監管規定。 2019年4月，FDA發表了「使用人工智慧/機器學習演算法之醫療器材軟體變更之管理架構—討論文件」（Proposed Regulatory Framework for Modifications to Artificial Intelligence/Machine earning (AI/ML)-Based Software as a Medical Device (SaMD) - Discussion Paper and Request for Feedback）。此一諮詢性質的文件當中提出，將來廠商可在上市前審查階段提交「事先訂定之變更控制計畫」（pre-determined change control plan），闡明以下內容：(1)SaMD預先規範（SaMD Pre-Specification, SPS）：包含此產品未來可能的變更類型（如：輸入資料、性能、適應症）、變更範圍；(2)演算法變更程序（Algorithm Change Protocol, ACP）：包含變更對應之處理流程、風險控制措施，以及如何確保軟體變更後之安全及有效性。 根據「人工智慧/機器學習行動計畫」內容所述，「事先訂定之變更控制計畫」構想被多數（包含病患團體在內）的利害關係人肯認，並於相關諮詢會議當中提出完善的細部建言。FDA將根據收到的反饋意見，於2021年以前正式提出有關人工智慧/機器學習上市後監管的指引草案（Draft Guidance），並持續研究提高演算法透明度、避免演算法偏見的方法。
韓國K-Startup競賽（K-Startup Grand Challenge 2020）提供全球新創企業進入亞洲市場的重要管道對於欲前往韓國發掘商機並在亞洲擴展業務的全球企業家和新創企業而言，韓國政府的所提供的新創計畫（K-Startup Grand Challenge）是一個相當開放且友善的平台，該計畫由中小企業和新興企業部（MSS）和國家IT產業促進局（NIPA）主導，於2020年5月起接受全球新創企業申請。 該計畫為亞洲地區首次全額由政府資助的計畫，旨在支持希望進入韓國並進一步開拓國際市場的外國新創企業，其申請基本條件如下： 7年內成立的全球新創公司。 必須有明確的長期發展方向，並以在韓國定居為目標。 具有雛形的產品或服務，且處於初始階段的新創公司。 通過申請的企業將有為期3個月的資助計劃，並可選定的團隊成員至韓國進行交流，向該產業專家學習，更提供財務支持以及進入市場發展等多元化的機會，重要的是，透過交流學習可促進新創企業，有機會與韓國大型企業集團接觸，獲取與該大型企業合作的可能。 韓國為使其成為亞洲新創產業中心，積極資助、指導許多的新創企業，且陸續成立相關競賽與計畫，提供新創公司發展的平台，例如，國土交通省舉辦”智能挑戰賽”，鼓勵企業採用創新技術解決該城市的需求與提高生活便利性（如：智能人行道、自駕車…等）；以及韓國創業發展研究所（KISED）透過資助與教育為新創者提供更多的發展機會。
美國資訊安全分析新挑戰：巨量資料（Big Data）之應用在2013年的國際資訊安全會議（RSA Conference）上，資安專家紛紛表示，將Big Data技術應用於資訊安全分析的項目上，確實可以幫助企業建立更佳的情勢判斷能力，但在實際執行過程中是一大挑戰。 資安廠商如RSA和賽門鐵克公司，在會議上表示目前的策略是透過新的數據匯集、比對和分析協助企業篩選、過濾結構化和未結構化資料的威脅指標，這是傳統的特徵偵測（signature-based）安全工具無法做到的。 不像傳統的安全手段著重於阻斷攻擊，新的技術強調偵測並立即回應違犯行為，也就是提前遏止任何違犯行為，協助企業作全面性的偵測而不擔心有所遺漏。 由於越來越多的美國政府機關和民間企業遭受到針對性和持續性的攻擊，巨量資料技術的應用需求激增。企業內部都累積著大量的數據和多元的數據種類，而需要動新技術來保護這些數據資料免於惡意人士或對手的竊取或其他侵害行為。企業應該要因應實際面臨的威脅和所獲悉的威脅情報來建立安全模型，取代部署特定產品和外圍系統的防禦。 美國無論是政府機關或民間企業都被捲入了不對稱戰爭-對手是武器精良、準備充分並有嚴密組織的網路敵人。 「駭客只需要攻擊成功一次，但我們必須每次都是成功的」賽門鐵克的總裁deSouza表示。「因此與其專注的在阻擋所有威脅，更好的辦法是使用巨量資料技術偵測侵入行為並消解之」。而在會議中資安專家都肯認至少從理論上來說，以巨量資料技術強化資訊安全是很好的想法。 不過另有其他的說法，金融服務企業LSQ的首席安全及法務主管皮爾遜認為，許多人的電腦紀錄檔和所有的電子裝置都早就被侵入滲透了，這才是問題所在。他表示，目前現存的SIEM（安全性資訊及事件管理）工具可以讓企業聚集來自許多個安全設備的巨量登錄數據整合在同一系統內，但真正的問題是，SIEM工具必須要有能力分析數據並找出關聯性，如此才能偵測到駭客入侵的前兆證據和真實的入侵行為，這和彙整數據是不同的兩件事。許多企業所面臨的問題不是缺乏數據資料，而是要如何為資訊安全的目的建立關聯規則和應用方式，以有效率的方式找出有用的巨量數據並進行分析，和留下可供進行訴訟使用的證據。